10.19753/j.issn1001-1390.2020.002.012
基于耦合GPR-PSO的北京地区中长期电力需求预测
建立科学合理的中长期电力需求预测方法,是电力产业科学规划建设的前提.构建了基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型.采用PSO算法对协方差函数中的参数进行优化,将修正后的参数作为初始值在GPR模型中进行电力需求方面的培训.在贝叶斯框架下,对协方差函数中的参数再次进行优化.用训练好的GPR模型进行电力需求预测,并将结果与自回归积分移动平均模型和指数平滑模型进行比较.验证结果表明,基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型具有很好的稳定性和更高的预测精度.
高斯过程回归、粒子群算法、电力需求预测、神经网络训练
57
TM93
国家自然科学基金资助项目570729264;江苏省自然科学基金资助项目sk20177054;广东省科技厅科技项目2014bf70048
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
74-80